【Redis 神秘大陆】001 背景基础理论

本文主要是介绍【Redis 神秘大陆】001 背景基础理论，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、背景&基础理论

1.1 什么是缓存

缓存：存储在计算机上的一个原始数据复制集，以便于访问——维基百科

1.2 为什么用缓存

提升用户体验：【即效率、效益和基本主观满意度】CAST
使用者的状态、系统性能及环境，不同的人对于同样的软件可能有不同的主观感受，而且不同的人对于软件性能关心的视角也不同。
提升系统的性能: 缓存离用户最近，利用缓存可以最小化系统的工作量，能够降低系统的链路
响应时间：指系统对用户请求做出响应的时间，与人对软件性能的主观感受是非常一致的，它完整地记录了整个系统处理请求的时间，
响应时间= 呈现时间（取决于页面）+系统响应时间【网络传输+应用延迟时间】
延迟时间：网络传输+应用延迟
吞吐量：系统在单位时间内处理请求的数量
无并发的系统，吞吐量与响应时间成反比
并发用户数：并发用户数能够笼统的概括系统性能指标
资源利用率：资源利用率能够反馈资源的占用情况

1.3 缓存的分类

软件位置划分

客户端缓存

页面缓存：页面自身元素缓存【之前渲染的页面保存为文件 localStorage 存储】+服务端对静态页面进行缓存【CDN】
浏览器缓存:
通过请求头： e-tag标记文件 id ,if-modified-sincence 标识更新时间， http 协议,通过发送下载时间给服务端，服务端如果发现没有变更则返回 304-not modified ，客户端收到后可以直接使用缓存文件
Cache-control 和 Expires 一致，Cache-Control 选择更多。 cache-control
Cache-control|Expires > last-modified/etag
APP 缓存: 内存缓存、数据库缓存，文件缓存，用于均衡网速、流量

服务端缓存

数据库缓存：
MySQL 的查询缓存，通过下面命令进行判断是否合理，核心考察缓存命中率

SHOW VARIABLES LIKE '%query_cache%';have_query_cache	YES
query_cache_limit	1048576
query_cache_min_res_unit	1024
query_cache_size	3145728
query_cache_type	OFF
query_cache_wlock_invalidate	OFF

Innodb 的缓存性能： innodb_buffer_pool_size,可以通过

SHOW VARIABLES LIKE 'innodb_buffer_pool_size%';
innodb_buffer_pool_size	51539607552  48G

（Innodb_buffer_pool_read_requestsInnodb_buffer_pool_reads）/Innodb_buffer_pool_read_requests*1 00%计算缓存命中率，并根据命中率来调整innodb_buffer_pool_size 参数大小进行优化。
平台缓存： Ehcache、GuaCache [JVM]
应用缓存： Redis 【新浪微博】、memCache 等

网络中的缓存

代理缓存：较流行的是Squid，它支持建立复杂的缓存层级结构，拥有详细的日志、高性能缓存以及用户认证支持
边缘缓存：例如 Nginx、CDN

正向代理主要处理客户端请求,反向代理主要处理服务器端响应

正向代理:指客户端通过代理服务器请求目标服务器的行为,即代理服务器代表客户端去请求目标服务器。客户端和代理服务器之间通过协议进行通讯。
反向代理:指目标服务器通过代理服务器来响应客户端请求的行为。客户端直接请求代理服务器,然后由代理服务器去选择目标服务器来进行响应。代理服务器和目标服务器之间采用内部协议通讯。

宿主层次划分

类型	描述
本地缓存/进程内缓存[L1 L2 L3] JVM jVM	存储在应用服务器本地的缓存模式，通常位于同一个JVM内。本地缓存也称为进程内缓存，直接访问进程所属内存，无需进程间通信，速度最快。可分为堆内缓存和堆外缓存。堆内缓存会对垃圾回收产生影响，而堆外缓存则会增加序列化和反序列化的开销。
进程间缓存	当进程内缓存较大时，重启后需要重新加载缓存，导致系统启动缓慢。可通过在本机单独启动一个进程来专门存放缓存，并通过Domain Socket进行通信。
远程缓存	需要跨服务器访问的缓存，数据存放于单独的缓存服务器上。典型的远程缓存包括Memcached和Redis等。
二级缓存	是本地缓存和远程缓存的结合，用于互联网系统。对于易变的数据，散列到分布式部署的远程缓存，减少数据库层访问以提升性能。对于不易改变但访问量大的数据，则进一步放置到本地缓存中，以获得更高的访问性能。

大型网站的架构示意图

1.4 基础理论

CAP 理论

C：一致性被称为原子对象，任何的读写都应该看起来是“原子”的，或串行的。写后面的读一定能读到前面写的内容。所有的读写请求都好像被全局排序。
A：对任何非失败节点都应该在有限时间内给出请求的回应。（请求的可终止性）
P：允许节点之间丢失任意多的消息，当网络分区发生时，节点之间的消息可能会完全丢失。
一致性（C）：在分布式系统中的所有数据备份，在同一时刻是否有同样的值。（等同于所有节点访问同一份最新的数据副本）
可用性（A）：在集群中一部分节点故障后，集群整体是否还能响应客户端的读写请求。（对数据更新具备高可用性）
分区容忍性（P）：以实际效果而言，分区相当于对通信的时限要求。系统如果不能在一定时限内达成数据一致性，就意味着发生了分区的情况，必须就当前操作在C和A之间做出选择。
当网络发生分区时,由于通信路线中断,不可能同时满足一致性和可用性。
一致性需要每个请求返迴之前保证所有分布式节点都达成一致,这与分区情况下不同节点暂时失联是矛盾的。
但是由于网络是不可靠的,分区故障是无法避免的。那么在分区期间,系统要么选择延迟请求得到一致应答(C优先),要么返回可用但可能不一致的快速应答(A优先)。
所以在分布式系统,我们只能做到优先满足CAP中的任何两项,而第三项必须作出让步。

todo ：待确认

模型	一致性（Consistency）	可用性（Availability）	分区容忍性（Partition Tolerance）	不能满足的原因
Redis	是	否	是	Redis集群在节点选举期间可能出现部分不可用，牺牲了可用性。
ZooKeeper	是	否	是	ZooKeeper集群在Leader选举期间可能出现部分不可用，牺牲了可用性。

BASE 理论

BASE 分别是基本可用性（Basically Available）、柔性事务（Soft State）和最终一致性（Eventually Consistent）的缩写

例如 RocketMQ 的事物消息

JSR 规范

📎JSR107FinalSpecification.pdf

Map<String,<Map<String,Object>>> = Cache 用户信息缓存

<Map<String,Object> = > Entry

Spring-Data-Cache

基础概念：介绍了核心接口，包括CachingProvider、CacheManager、Cache、Entry和ExpiryPolicy，以及它们的职责和关系。
CacheProvider 创建 CacheManager
CacheManager 管理 Cache
Cache 类似 Map 的数据结构并且存储 Key 为索引的值
Entry：是存储在 Cache 中的 Key-Value
ExpiryPolicy : 缓存过期策略
一致性模型：讨论了缓存操作的一致性行为，包括默认一致性模型和可能的其他一致性模型。
缓存拓扑：描述了缓存条目可能存储的位置，包括本地和分布式环境。
执行上下文：解释了EntryProcessors、CacheEntryListeners、CacheLoaders、CacheWriters和ExpiryPolicys在缓存操作中的执行环境。
再入性：讨论了在这些接口的实现中可能限制的再入性。
简单示例：提供了一个创建和使用缓存的基本示例。
CacheManagers：详细介绍了CacheManager的职责，包括如何获取、配置、创建、关闭和销毁缓存。
缓存：描述了Cache接口及其方法，以及如何使用它来执行缓存操作。
缓存注释：介绍了一组用于简化缓存交互的注释，如**@CacheDefaults****、@CacheResult、@CachePut、@CacheRemove和****@CacheRemoveAll****。**
管理：讨论了如何启用和禁用缓存的管理功能和统计信息。
可移植性建议：提供了一系列建议，以确保应用程序在使用Java Caching API的不同实现之间具有良好的可移植性。